国产一级黄毛片,午夜视频在线免费看

卡塞格倫天線跟蹤速率改進(jìn)型測試方法研究[其他][工業(yè)自動(dòng)化]

卡塞格倫天線在檢測與維修過程中，需對其跟蹤目標(biāo)速率進(jìn)行測試。針對傳統(tǒng)測試方法存在耗時(shí)長、成本高、準(zhǔn)確率低的缺點(diǎn)，在對傳統(tǒng)測試方法研究基礎(chǔ)上，提出了基于單目標(biāo)源定位追蹤方式的改進(jìn)型測試方法。試驗(yàn)表明該方法減少了測試用時(shí)，節(jié)約了成本，提高了準(zhǔn)確率。

發(fā)表于：12/17/2020

基于Android的PDR改進(jìn)算法研究[人工智能][工業(yè)自動(dòng)化]

基于Android開發(fā)實(shí)現(xiàn)了一款室內(nèi)定位軟件，采用PDR（Pedestrian Dead Reckoning）算法作為室內(nèi)定位算法，利用智能手機(jī)內(nèi)置加速度傳感器、磁場傳感器來實(shí)現(xiàn)步數(shù)、步長和航向的檢測。同時(shí)，在基本的PDR算法的基礎(chǔ)上做了改進(jìn)，即采用卡爾曼濾波平滑處理步長、粒子濾波優(yōu)化結(jié)果。最后對改進(jìn)的算法進(jìn)行實(shí)際測試，直線為主的軌跡中采用直線判定后誤差為0.64 m；曲線為主的軌跡中采用兩種濾波方法優(yōu)化后誤差為1.08 m。

發(fā)表于：12/17/2020

基于深度學(xué)習(xí)的視頻火焰識別方法[人工智能][其他]

針對傳統(tǒng)視頻火災(zāi)檢測方法依靠人工經(jīng)驗(yàn)提取火焰特征，誤報(bào)率高、魯棒性差的特點(diǎn)，提出一種基于深度學(xué)習(xí)的視頻火焰識別方法。該方法充分利用火焰的運(yùn)動(dòng)特征和顏色信息，先使用改進(jìn)的五幀差法和自適應(yīng)混合高斯建模法進(jìn)行運(yùn)動(dòng)目標(biāo)提取；再采用RGB-HSV混合顏色空間模型篩選出圖像中可能的火焰像素區(qū)域；最后將以上兩個(gè)步驟結(jié)合起來進(jìn)行疑似火焰區(qū)域提取，并將疑似火焰區(qū)域圖像傳入預(yù)訓(xùn)練的AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行火與非火的精確識別。通過對多種場景下火焰視頻的測試結(jié)果表明，提出的方法具有較高的召回率、準(zhǔn)確率和較低的誤報(bào)率。

發(fā)表于：12/17/2020

基于Linux的機(jī)械臂實(shí)時(shí)控制系統(tǒng)研究[其他][其他]

針對我國自主研發(fā)的機(jī)械臂控制系統(tǒng)較少，多依賴于國外價(jià)格昂貴的商用系統(tǒng)，采用在Linux中加入RT補(bǔ)丁的實(shí)時(shí)改造方法，以六自由度機(jī)械臂為研究對象，在下位機(jī)上進(jìn)行系統(tǒng)架構(gòu)搭建，實(shí)現(xiàn)一個(gè)包括TCP通信進(jìn)程、譯碼進(jìn)程、插補(bǔ)逆解進(jìn)程、I/O進(jìn)程的一個(gè)多任務(wù)處理的機(jī)械臂控制系統(tǒng)；同時(shí)對機(jī)械臂的上位機(jī)進(jìn)行軟件設(shè)計(jì)，實(shí)現(xiàn)人機(jī)界面指令輸入、狀態(tài)顯示、通信等功能，為機(jī)械臂的實(shí)時(shí)控制系統(tǒng)提供了一種有效開發(fā)方案。通過采用RT測試工具集進(jìn)行實(shí)時(shí)性檢驗(yàn)，其結(jié)果滿足實(shí)時(shí)性，同時(shí)利用MATLAB/Robotic Toolbox工具箱建立機(jī)器臂運(yùn)動(dòng)學(xué)模型，對機(jī)械臂運(yùn)動(dòng)空間及軌跡進(jìn)行仿真，得到了連續(xù)平穩(wěn)的末端曲線，仿真結(jié)果證明了控制系統(tǒng)設(shè)計(jì)的正確性以及可行性。

發(fā)表于：12/17/2020

采茶機(jī)器人SCARA機(jī)械手的軌跡規(guī)劃與控制[其他][其他]

考慮到采茶機(jī)器人的整體性能，采用SCARA機(jī)械手作為其采摘機(jī)構(gòu)，以滿足名優(yōu)茶自動(dòng)化采摘的需求。首先采用D-H法建立機(jī)械手的運(yùn)動(dòng)學(xué)模型，并結(jié)合MATLAB Robotic Toolbox建立其空間仿真模型；其次采用五次多項(xiàng)式插值算法對機(jī)械手主要關(guān)節(jié)的運(yùn)動(dòng)進(jìn)行軌跡規(guī)劃；最后將SCARA機(jī)械手簡化為XOY平面內(nèi)的兩關(guān)節(jié)機(jī)械手，結(jié)合其一般動(dòng)力學(xué)模型，在MATLAB/Simulink中采用S函數(shù)設(shè)計(jì)基于自適應(yīng)算法補(bǔ)償?shù)腜D控制系統(tǒng)，進(jìn)行軌跡跟蹤仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明自適應(yīng)魯棒PD控制策略能夠精確地跟蹤機(jī)械手大臂和小臂關(guān)節(jié)的控制輸入，使得各關(guān)節(jié)能夠快速地跟蹤到期望位置，跟蹤誤差較小。

發(fā)表于：12/17/2020

基于深度回歸的指針儀表讀數(shù)識別方法[人工智能][其他]

現(xiàn)有儀表讀數(shù)識別方法通過檢測指針和刻度獲取讀數(shù)，對輸入的儀表圖像質(zhì)量要求較高，為此提出一種新的基于深度回歸的指針儀表讀數(shù)識別方法。該方法首先由儀表圖像獲取圖像特征，然后通過方向回歸模塊預(yù)測指針方向，最后根據(jù)指針角度計(jì)算儀表讀數(shù)。相比于其他方法，該方法采用端到端的回歸方式進(jìn)行直接學(xué)習(xí)，具有更強(qiáng)的識別能力。在較大規(guī)模變電站儀表圖像數(shù)據(jù)集上，該方法取得了97.2%的讀數(shù)精度，相比于基于Mask R-CNN的儀表讀數(shù)識別方法提高了7.4%。定性分析和定量分析結(jié)果表明，相比于現(xiàn)有的儀表讀數(shù)識別方法，該方法對表盤圖像干擾具有更強(qiáng)的魯棒性。

發(fā)表于：12/17/2020

基于LTE-V2X技術(shù)的PKI系統(tǒng)架構(gòu)探討[模擬設(shè)計(jì)][信息安全]

V2X(Vehicle to Everything)業(yè)務(wù)安全的關(guān)鍵在于對消息的真實(shí)性校驗(yàn)和個(gè)人隱私的保護(hù)，在建立身份認(rèn)證體系時(shí)要合理定義各個(gè)參與方的安全邊界及責(zé)任，防止來自內(nèi)部及外部的攻擊。在借鑒國外SCMS、CCMS體系的基礎(chǔ)上，基于LTE-V2X技術(shù)特點(diǎn)和道路交通管理體系，通過分析V2X證書管理體系的實(shí)際需要，針對證書管理的關(guān)鍵過程給出相應(yīng)的安全策略建議，提出面向LTE-V2X的PKI架構(gòu)參考建議，可實(shí)際應(yīng)用于LTE-V2X業(yè)務(wù)部署及相關(guān)系統(tǒng)的開發(fā)設(shè)計(jì)。

發(fā)表于：12/17/2020

一種28 Gb/s無電感限幅放大器設(shè)計(jì)[其他][其他]

基于TSMC 40 nm CMOS工藝，提出了一種28 Gb/s無電感器限幅放大器設(shè)計(jì)。設(shè)計(jì)采用一種改進(jìn)的交織有源反饋(interleaving active feedback)技術(shù)擴(kuò)展電路帶寬。直流失調(diào)消除電路采用一種改進(jìn)的低通負(fù)反饋技術(shù)衰減直流失調(diào)電壓。蒙特卡洛仿真結(jié)果表明限幅放大器輸出端的直流失調(diào)電壓均值為200.1 μV，標(biāo)準(zhǔn)差為5.8 mV。在1 V的電源電壓下，限幅放大器增益為39 dB，帶寬為30.2 GHz，輸入靈敏度為2.7 mVpp，誤碼率為10-12。限幅放大器不包括輸出緩沖器的功耗為37.7 mW。

發(fā)表于：12/17/2020

基于立體視覺的無人機(jī)動(dòng)態(tài)目標(biāo)實(shí)時(shí)跟蹤[人工智能][其他]

針對小型四旋翼飛行器的動(dòng)態(tài)目標(biāo)跟蹤問題，提出了連續(xù)自適應(yīng)橢圓檢測(Continuously Adaptive Ellipse Detector，CAED)算法的飛行器目標(biāo)定位以及一種基于立體視覺的跟蹤控制算法。首先，雙目相機(jī)拍攝的圖像通過CAED算法得到目標(biāo)的像素中心點(diǎn)，利用三角測量原理，實(shí)現(xiàn)了對目標(biāo)位置的有效估計(jì)。其次，針對運(yùn)動(dòng)目標(biāo)跟蹤任務(wù)，設(shè)計(jì)并實(shí)現(xiàn)了兩個(gè)級聯(lián)串級PID的四旋翼位置姿態(tài)控制律。最后，在四旋翼上將圖像處理算法與四旋翼控制相結(jié)合，進(jìn)行了測試實(shí)驗(yàn)，驗(yàn)證了本文所提出的檢測和控制方法。

發(fā)表于：12/17/2020

安全態(tài)勢感知系統(tǒng)中K-Means算法的并行化研究[其他][信息安全]

大數(shù)據(jù)環(huán)境下的網(wǎng)絡(luò)安全事件層出不窮，安全態(tài)勢感知系統(tǒng)的應(yīng)用勢在必行。通過挖掘日志數(shù)據(jù)并進(jìn)行安全分析，可以實(shí)現(xiàn)對異常事件的追責(zé)與溯源，有效地減少網(wǎng)絡(luò)安全事故的發(fā)生。針對傳統(tǒng)K-Means算法時(shí)間開銷大、執(zhí)行效率低的問題，將改進(jìn)K-Means算法在大數(shù)據(jù)計(jì)算框架Hadoop上實(shí)現(xiàn)并行化，來滿足大數(shù)據(jù)下安全態(tài)勢感知系統(tǒng)日志安全分析的需求。實(shí)驗(yàn)表明，改進(jìn)后的算法在有效性和時(shí)間復(fù)雜度方面都優(yōu)于傳統(tǒng)算法。

發(fā)表于：12/17/2020

輕量級序列密碼研究進(jìn)展[通信與網(wǎng)絡(luò)][信息安全]

隨著移動(dòng)通信和物聯(lián)網(wǎng)的快速發(fā)展，在硬件資源受限和功耗較低的應(yīng)用場景中對密碼保護(hù)的需求越來越大，密碼算法的輕量化成為必然要求，近年來，輕量級序列密碼的設(shè)計(jì)與分析是一個(gè)研究熱點(diǎn)。首先介紹了四個(gè)新型的輕量級序列密碼，它們共同的特點(diǎn)是內(nèi)部狀態(tài)小于密鑰長度的兩倍；其次介紹了每種算法的最新安全性評估結(jié)果；最后探討了輕量級序列密碼的發(fā)展趨勢。

發(fā)表于：12/17/2020

基于鏈路穩(wěn)定性的Ad Hoc網(wǎng)絡(luò)多播路由協(xié)議仿真與分析[其他][其他]

在分析現(xiàn)有典型Ad Hoc網(wǎng)絡(luò)多播路由協(xié)議MAODV基礎(chǔ)上，針對協(xié)議消息利用率不高以及收集的信息量有限等問題，提出了改進(jìn)協(xié)議SMAODV。采用HELLO響應(yīng)機(jī)制以提高消息的利用率，完成協(xié)議所需的相關(guān)數(shù)據(jù)采集，基于鏈路穩(wěn)定性來構(gòu)建和維護(hù)路由，并根據(jù)鏈路穩(wěn)定性向量的綜合度量來選擇更優(yōu)的路由路徑。此外采用了主動(dòng)鏈路切換機(jī)制，即采用預(yù)測的思想主動(dòng)在鏈路失效之前進(jìn)行鏈路切換，從而減少因鏈路失效造成的路由修復(fù)甚至重構(gòu)的開銷。實(shí)驗(yàn)結(jié)果表明，所提出方案是正確和可行的，且在多種網(wǎng)絡(luò)環(huán)境中均表現(xiàn)出更優(yōu)的綜合性能。

發(fā)表于：12/17/2020

基于信息安全管理體系的技術(shù)脆弱性管理探討[其他][信息安全]

脆弱性是可能被一個(gè)或多個(gè)威脅利用的資產(chǎn)或控制的弱點(diǎn)。脆弱性識別是組織實(shí)施風(fēng)險(xiǎn)評估活動(dòng)中最重要的一個(gè)環(huán)節(jié)，可從管理和技術(shù)兩個(gè)方面進(jìn)行識別。探討了技術(shù)方面脆弱性的管理和軟件安裝限制兩方面的最佳實(shí)踐。提供一個(gè)關(guān)于技術(shù)方面脆弱性的實(shí)際審核案例，描述了主要的審核發(fā)現(xiàn)、溝通過程、受審核組織主要的改進(jìn)方法等。

發(fā)表于：12/17/2020

大型分布式入侵檢測系統(tǒng)[模擬設(shè)計(jì)][信息安全]

提出一種大型分布式入侵檢測系統(tǒng)(Broad-scale Distributed Intrusion Detection System，BDIDS)的體系結(jié)構(gòu)，以發(fā)現(xiàn)多手段多層次的攻擊。這些攻擊是分布式網(wǎng)絡(luò)中多個(gè)子網(wǎng)之間存在的異?，F(xiàn)象。BDIDS由兩個(gè)關(guān)鍵組件組成：大數(shù)據(jù)處理引擎和分析引擎。大數(shù)據(jù)處理是通過HAMR完成的，HAMR是下一代內(nèi)存MapReduce引擎。據(jù)報(bào)告，HAMR通過多種分析算法，使得現(xiàn)有大數(shù)據(jù)解決方案的速度大大提高。分析引擎包括一種新穎的集成算法，該算法從多個(gè)IDS警報(bào)的集群中提取訓(xùn)練數(shù)據(jù)。基于聚類與已知潛在攻擊的高度相似性，將聚類用作預(yù)處理步驟以重新標(biāo)記數(shù)據(jù)集?？傮w目標(biāo)是預(yù)測分布在多個(gè)子網(wǎng)中的多手段多層次的攻擊，這些攻擊手段如果不以綜合方式進(jìn)行評估，極有可能會(huì)被忽略。

發(fā)表于：12/17/2020

基于區(qū)塊鏈的物流價(jià)值鏈數(shù)據(jù)安全共享技術(shù)[其他][物聯(lián)網(wǎng)]

基于工業(yè)互聯(lián)網(wǎng)的物流供應(yīng)鏈管理技術(shù)，業(yè)界聚焦在高精度數(shù)據(jù)分析算法的應(yīng)用，對數(shù)據(jù)隱私保護(hù)算法的應(yīng)用目前還處于起步階段。然而，交易、支付環(huán)境不可信，數(shù)據(jù)易丟失及溯源難等問題，較大程度地制約了物流供應(yīng)鏈管理技術(shù)的進(jìn)一步發(fā)展。為簡化過程，以物流價(jià)值鏈為例，將區(qū)塊鏈技術(shù)應(yīng)用于物流場景中，通過數(shù)字簽名、非對稱加密和Merkle樹等算法，保障了商品數(shù)據(jù)的完整性和機(jī)密性，提供了物流訂單數(shù)據(jù)溯源功能。最后，相比于業(yè)界類似技術(shù)的安全性，該方法更能滿足實(shí)際工程應(yīng)用對安全目標(biāo)的需求，為后續(xù)落地實(shí)施提供了有力的技術(shù)支持。

發(fā)表于：12/17/2020